MétaCan
Menu
Retour à la cohorte
Enregistrement W2605841555 · doi:10.1002/adv.21832

Tensile and hardness properties of polycarbonate nanocomposites in the presence of styrene maleic anhydride as compatibilizer

2017· article· en· W2605841555 sur OpenAlexaff
Richard Eungkee Lee, Atefe Afsari Ghazi, Taher Azdast, Rezgar Hasanzadeh, Sajjad Mamaghani Shishavan

Notice bibliographique

RevueAdvances in Polymer Technology · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceUltimate tensile strengthRockwell scaleComposite materialPolycarbonateMaleic anhydrideIzod impact strength testNanocompositeScanning electron microscopePolymerCopolymer

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, the tensile strength and M‐Rockwell hardness of polycarbonate (PC)‐nanoalumina composites are investigated under various processing parameters. For this purpose, PC using a twin‐screw extruder is melt compounded with nanoparticle of Al2O3 in the presence of styrene‐co‐maleic anhydride (SMA) as the compatibilizer. Influences of weight percentage of nanoalumina and injection processing parameters including injection pressure and holding pressure (all in four levels) are investigated on tensile and hardness properties of nanocomposite samples using Taguchi's L16 orthogonal array. The scanning electron microscopy (SEM) results reveal that an appropriate distribution of nanoparticles in polymeric matrix is achieved. According to the results, nanoalumina content is the most effective parameter on tensile strength and hardness with about 51% and 85% contribution, respectively. Results indicate that by addition 1.5 wt% of nanoalumina, the tensile strength and hardness of samples increase as much as 4.5% and 11%, respectively. Also, the results reveal that injection pressure and holding pressure are also effective parameters to change hardness and tensile strength.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Polymer TechnologyMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207